
摘要
本文提出了一种新的序数回归算法,称为移动窗口回归(Moving Window Regression, MWR)。首先,我们提出了相对秩($\rho$-秩)的概念,这是一种新的输入实例和参考实例的顺序表示方案。其次,我们开发了全局和局部相对回归器($\rho$-回归器),分别用于在整个秩范围和特定秩范围内预测$\rho$-秩。第三,我们通过选择两个参考实例来形成一个搜索窗口,并在该窗口内估计$\rho$-秩,从而迭代地优化初始秩估计。广泛的实验结果表明,所提出的算法在面部年龄估计和历史彩色图像分类的各种基准数据集上达到了最先进的性能。代码可在https://github.com/nhshin-mcl/MWR 获取。
代码仓库
nhshin-mcl/mwr
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| age-and-gender-classification-on-adience-age | MWR | Accuracy (5-fold): 62.6 |
| age-estimation-on-cacd | MWR | MAE: 4.41 |
| age-estimation-on-chalearn-2015 | MWR | MAE: 2.95 |
| age-estimation-on-fgnet | MWR | MAE: 2.23 |
| age-estimation-on-morph-album2 | MWR | CS: 95.0 MAE: 2.00 |
| age-estimation-on-morph-album2-caucasian | MWR | MAE: 2.13 |
| age-estimation-on-utkface | MWR | MAE: 4.37 |